Proyectos de Inteligencia Artificial: Guia práctica para abordar con éxito proyectos de IA en la empresa

Bastante se escribió en los últimos tiempos sobre IA (inteligencia artificial): Qué es, para qué exactamente sirve, qué provecho puede dar a las muy distintas industrias, de qué manera va a perjudicar a la sociedad del futuro… Asimismo es simple conseguir abundante literatura y productos en la página web sobre las muy distintas técnicas y algoritmos de machine learning y deep learning, al lado de manuales y código de ejemplo que asisten a comprender e inclusive a llevar a cabo atrayentes ensayos.

No obstante, poquísimo se escribió – y bastante menos en lengua de españa – sobre el de qué manera se abordan los proyectos de IA (inteligencia artificial) en la compañía: de qué forma son estos proyectos inteligencia artificial, qué metodologías tienen que seguirse, qué elementos materiales son precisos y dónde tienen la posibilidad de conseguirse, tal como qué concretes expertos son precisos para lograr emprender exitosamente esta clase de proyectos que, siendo proyectos de programa, tienen puntos muy particulares por el hecho de tener que entrenar y operacionalizar modelos. Y sucede que por el momento no se habla solo de desarrollar una app, en este momento hay que entrenar un algoritmo con un grupo de datos que representan una situación específica y, la mayoria de las veces, dinámico, o volver a utilizar los poco a poco más rebosantes elementos completados para usar que nos proporciona el nuevo mercado de las interfaces de IA (inteligencia artificial) en la nube y el aún mucho más variado grupo de elementos de código abierto libres de manera gratuita en la red.

Este libro quiere ser una guía para esos expertos que, con un conocimiento conceptual básico sobre qué es la IA (inteligencia artificial), el machine learning o el deep learning, tienen la incomodidad o la necesidad de hacer con garantías de éxito proyectos de programa que hagan empleo de habilidades de IA (inteligencia artificial) empresarial. El libro busca proveer una entendimiento holística del ciclo vital de una aptitud de IA (inteligencia artificial) empresarial, desde su definición servible, el análisis de las diferentes opciones que proporciona el mercado para su implementación y las diferentes prácticas y herramientas primordiales para acompañar el entrenamiento, validación y operacionalización de modelos en un ambiente productivo empresarial. El artículo no entra en datos profesionales sobre algoritmos o técnicas concretas de régimen de datos, pero sí que busca proveer una amplia y extensa guía de métodos y prácticas que, de a poco, se marchan asentando como las mejores. El artículo se acompaña de varios links con información complementaria que deja al lector reforzar en puntos importantes que, por su extensión o especificidad quedan fuera del campo de esta obra.